这是一场围绕AI的学术、产业、投资大讨论，先锋人物各亮哪些核心观点？

财联社4月2日讯（记者 封其娟）在“聚交”人工智能+的主题下，2025年的交大校友会再度集结了多位人工智能产业以及投资领域的先锋人物，围绕着当下热点话题，各抒己见。

在《边缘AI，探索中国通用人工智能发展路径》的主题演讲中，云天励飞创始人陈宁系统阐释了人工智能技术范式的第三次跃迁，并详聊了‌产业架构重塑、‌硬件生态革命、‌未来产业图景‌。作为中国神经网络处理器标准制定者，陈宁提出边缘AI将重构全球智能产业格局的核心观点，并预测这场由边缘智能引发的“静默革命”，正在重塑从家庭智算主机到城市基础设施的每个技术节点。

身兼思必驰科技联合创始人、首席科学家及上海交大计算机科学与工程系教授的俞凯，是产业界的核心技术研发者，也是学术界的跨媒体语言智能实验室负责人。基于这样的双重身份，在《迈向分布式大模型智能体系》的主题演讲中，俞凯剖析了大模型技术发展路径，直言学术界与产业界存在“科学问题转化断层”：前者聚焦前沿探索，后者专注应用落地，但缺乏将企业需求转化为科学命题的桥梁。

他预计，未来3-5年将构建新型智能体生态，通用大模型聚焦创造性内容生成，分布式架构支撑严肃任务场景，依托智能硬件实现“可靠智能”。该路径继承大模型优势并突破架构瓶颈，或将重塑人工智能产业格局。

以“AI产业发展及投资机遇”为主题的圆桌会议上，由上海国投先导私募基金总经理温治主持，就AI应用与基础模型的边界讨论、Deepseek对AI产业的影响以及对未来的展望，金沙江创投主管合伙人朱啸虎、久奕投资创始合伙人王晓明、交大工研院执行院长兼触宝科技创始人王佳梁、天风证券研究所总经理唐海清进行了深度对话。

AI产业发展及投资机遇

唐海清用“AI元年”和“国产崛起”概括2025年中国AI产业核心特征：随着政企在算力基建的集中投入，中国将实现从底层算力到场景化应用的全链条突破，国产大模型通过技术迭代和商业落地加速全球化认知，未来将迎来企业盈利与产业链订单的规模性增长。

天风证券研究所总经理唐海清

王佳梁直言此轮机会不是在技术侧，而是在需求侧、应用场景侧。但值得注意的是，中国AI生态呈现双重垄断特征：C端市场被存量流量持有者（互联网巨头）构筑生态壁垒，B端市场受体制化采购路径依赖（央国企主导硬科技采购）。

王晓明指出，当前AI应用正经历 "iPhone 3 时代" 的同质化竞争：基础模型能力突破推动企业收入激增，但多数应用仍停留在“套壳式创新”（如低技术壁垒的自动营销方案），这类服务因缺乏护城河而批量消亡。破局路径有二：一是生态依附：深度绑定大平台（如上海 AI 开放平台）构建生态位，共享流量红利；二是价值重构：转型端到端结果交付，如全流程智能营销通过 "方案生成 + 平台匹配 + 资源整合" 实现闭环控制。他强调，具备生命力的创新必须回归用户需求本质，AI创业者需警惕简单移植现有模式的陷阱，聚焦核心场景重构服务链条。

久奕投资创始合伙人王晓明

唐海清总结，大模型与应用生态正加速融合，C 端呈现 "入口聚合" 趋势：类比移动互联网时代 APP 收敛，智能助手将演变为超级平台，驱动软硬一体生态竞争（如终端厂商布局全栈能力争夺入口控制权）；B 端市场则以 "数据主权" 构筑壁垒，医疗、金融等行业龙头凭借私有化数据资产占据先机。随着 AGI 向通用智能演进，中国依托人口规模形成的全场景试验场和工程化落地能力，有望在“碳基—硅基”协同进化的终极阶段，实现 B/C 端应用生态的全局贯通。

朱啸虎认为，大模型技术正驱动全球产业进入 "1 到 N" 爆发期，中国市场呈现 "技术普惠 + 场景创新" 的独特机遇。他指出，当前产业遵循 "底层跟随 + 场景微创" 模式，教育（智能作业辅导）、金融（智能投顾）、医疗（影像识别）等领域凭借数据资源优势成为差异化突破口。尽管国内 AI 投资规模仅为美国的1/4-1/5，但国产大模型的性价比突破显著提升资金使用效率，使开发者获得更广阔试错空间。

在他看来，中国创新的核心在于"1到100"的跟随式微创新战略，聚焦已验证赛道进行成本优化（如电动汽车、芯片领域），而非冒险押注从0到1的探索。他建议创业者避开大厂主战场，深耕差异化场景，例如AI驱动的会议纪要整理、法律文书处理等高频低附加值领域，这些未被巨头垄断的细分市场既能发挥技术杠杆效应，又能构建初期生存壁垒，是当前中国创业者破局的关键路径。他提出中国AI需"走出技术"，技术型创业者须兼具商业思维，还要理解商务、理解社会、理解人性。

金沙江创投主管合伙人朱啸虎

在谈及Deepseek对AI产业的影响时，王晓明认为，Deepseek 打破传统对标模型路径，通过 "零收费生态共建" 策略，一年内实现技术突破并构建起开放基础设施，将用户资源让渡给合作伙伴，形成类似水电煤的 AI 底座。这种模式颠覆了 "平台规则主导" 的传统，为硬科技企业提供了低门槛创新土壤，标志着 AI 产业从 "技术垄断" 向 "基础设施共享" 的范式迁移。

同时，唐海清认为Deepseek对中国AI产业具有双重催化效应：一是激活应用端爆发力，企业从被动等待接口开放转向主动部署本地化开源模型（如各规模企业快速接入），大幅推动行业应用进程；二是形成"大模型反哺算力"的良性循环，国产芯片借力接近国际水准的模型性能实现代际跨越，这种模型与算力的协同进化正在复刻中国消费电子产业的历史性赶超机遇。

大模型破局之路

针对大模型技术路线，俞凯提出三点核心观察：首先，ChatGPT类集中式通用大模型存在固有局限，无法突破私域知识困境（如特定领域指令理解偏差）、可靠性天花板（模型规模增长无法消除系统性错误）及高成本壁垒（训练推理资源消耗巨大）；其次，产业场景需差异化解构，ToC内容生成场景可接受90%+准确率，而ToB任务型场景必须通过架构创新实现可控性；再者，需区分“专用大模型”与“通用大模型”的本质差异，前者如AlphaGo解决有限任务但未触达生活，后者虽具通用性却面临工业化复制难题。

基于早期对话系统研究，俞凯团队提出“1+N 分布式群体智能”架构：通过中枢模型调度专用模块与工具，构建异构融合智能系统。该方案突破传统集中式架构局限，实现三大创新：一是认知边界控制：训练模型主动拒答不确定性任务；二是系统方面，采用组件热插拔和分布式计算，使推理成本降到原来的千分之一；三是工程层面，将可靠性和精度优化分开，优先保障关键任务的稳定性。通过语音离散符号化技术与材料领域的KDFM系统，已证实该分布式架构在跨模态场景中的可行性。

俞凯强调，智能系统的核心价值在于“可靠交互”而非“全能应答”。在车载等硬件场景中，系统需精准识别用户意图边界，例如在闲聊场景保持静默，在指令场景即时响应。这种认知交互智能体通过四项特性重构产业范式：资源受限场景的高效性、组件热插拔的灵活性、定向更新的可控性、端侧分布式计算的普适性。

思必驰科技联合创始人、首席科学家及上海交大计算机科学与工程系教授俞凯

在主题演讲中，陈宁指出，全球AI发展正经历从“发电时代”向“用电时代”的范式转换：2023年大模型竞赛催生算力基建狂潮，2024年开源轻量级模型崛起标志应用落地拐点到来。云天励飞通过“算力积木”架构，在14/12nm国产工艺芯片上实现性能突破，算力密度较传统方案提升3倍，推理成本降至行业均值的60%。

边缘AI构建的“云-边-端”协同体系正重塑产业生态：云端聚焦万亿参数模型训练，边缘侧完成场景化精调，终端设备实现毫秒级响应。技术突破使智能设备成本结构质变——家庭智算主机可运行320亿参数私有模型，推理时延20毫秒内，隐私数据本地处理率达98%。

云天励飞创始人陈宁